教育：資料驅動的個人化學習路徑（第二部分）

個性化學習之所以成效不彰，較少因爲算法不強，更多因爲缺少學生到底懂什麼的底層模型。自適應系統需要三樣東西才能工作：一套知識領域的表示、一個學習者在該領域內當前狀態的估計，以及一條選擇下一步的規則。大多數項目建了第三樣、買了第二樣，卻跳過了第一樣——然後納悶爲什麼推薦在教師看來是任意的、在學生看來是無意義的。本系列第一部分討論過這個機會，這一部分講機制。

把它做對很重要，因爲上行空間是真實的。Bloom 著名的「兩個標準差」發現——接受一對一輔導的學生，表現比傳統班級教學的學生好兩個標準差——雖被反覆重訪與修正，但其底層結論"一對一輔導體量級的提升"是站得住的。工程上的問題是：這部分增益中有多少可以由系統而非人類恢復？而誠實的證據表明，其中相當可觀的一部分是可以的。

爲什麼大多數個性化學習項目成效不彰？

四個反覆出現的原因，而且它們至少同樣多是組織性的，而非技術性的。

沒有知識模型。系統基於完成度和得分來推薦下一項，而不是基於概念與前置關係的地圖。沒有這張地圖，一個在分數題上答錯的學生，就無法被路由到他所缺失的那個具體前置概念上，於是系統只能給他更多分數題。

把參與度誤認爲學習。投入時長、觀看的視頻數、完成的模塊數，都易於度量，卻與"持久的學習"只有弱相關。以參與度爲優化目標的系統，產出的是忙碌的學生，而不是懂得更多的學生。

繞過教師。一條教師看不見、看不懂、也無法推翻的推薦，會被忽略，然後被悄悄關掉。這是自適應系統最終淪爲昂貴內容庫的最常見原因。

數據孤島。測評、出勤、作業與行爲數據分散在不同系統裏，標識符各不相同。沒有集成，系統只看到信號的一小部分，而教師看到的是一個與自己觀察相矛盾的工具。

一條學習路徑究竟需要什麼數據？

三層，而第三層纔是讓前兩層變得有用的那一層。

交互數據。題目級作答記錄：哪道題、它考察哪些概念、對或錯、用時、是否用了提示、嘗試次數，以及答案是否被修改過。這是估計知識狀態的原材料，而且必須在題目級採集，而不是彙總成分數——因爲彙總會摧毀診斷信號。

學習者情境。既往成績、語言背景、出勤情況，以及——在謹慎使用的前提下——參與度模式。情境能解釋單看作答記錄無法解釋的方差：一個跨學習場次作答不穩定的學生，可能是知識有缺口，也可能只是沒有認真作答。

知識模型。領域結構：概念、概念之間的前置關係，以及從測評題目到概念的映射。沒有這一層，前兩層只是數字；有了它，一個錯誤答案就變成一個具體診斷，而路徑也就成了"一條序列"，而不只是一個隊列。

兩條實操規則。在交互發生的當下采集數據，而不是放到夜間批處理——在課堂上做出的自適應決策，必須反映那節課上發生的事。並且把"題目到概念"的映射納入版本管理，因爲課程大綱變動頻繁，而一份過期的映射會靜默地污染每一個下游估計。

如何構建一套奏效的知識模型？

這是最難的部分，而且它是課程工作，不是數據科學。四個步驟：

1. 以合適的粒度定義概念。太粗則無法診斷，太細則沒有足夠的測評覆蓋每個概念。對學校數學而言，一條可用的經驗法則是：一個概念應當能在一節課內教完，並能用三到五道題目來測評。預期每學年每科有 80 到 200 個概念。

2. 顯式映射前置關係。對每個概念，寫明學生必須已經掌握什麼。這正是讓一條路徑成爲"路徑"的結構：當一個學生做錯長除法時，前置地圖會告訴你缺口是在乘法口訣、位值概念，還是除法程序——而三者各有不同的補救方案。

3. 把每道測評題標註到概念上。理想情況下一題對應多個概念並帶權重。這份映射是數據與決策之間的鉸鏈，也正是質量成敗之處。請對樣本做雙重標註並度量標註者間一致率；低於約 0.7，這份映射就是噪聲。

4. 對照現實做驗證。檢查模型預測的難度排序是否與觀測到的題目難度相符，以及被模型判定爲「已掌握」的學生是否真的能通過考察該概念的更難題目。一套從未被驗證過的知識模型，是一套帶着用戶界面的假說。

誠實地編列預算：對於一門學科、一個年級，預期需要一位課程專家與一位數據人員工作四到八週。這是整個項目中最大的單項成本，也是最常被漏掉的一項。

路徑推薦應該用哪些算法？

從簡單開始，只有當複雜版本確實在度量上勝過簡單版本時，才增加複雜度。

知識追蹤——主力工具。貝葉斯知識追蹤按概念估計學生已掌握它的概率，並基於每次作答、以學習率與失誤率參數更新它。它可解釋、成本低、且被充分理解。更新的變體——包括深度知識追蹤——擬合數據更好，但更難向教師解釋清楚；而在大多數部署中，可解釋性比那點準確率增益更重要。

帶閾值的精熟學習。當掌握概率超過閾值時學生前進，低於閾值時則接受前置概念補習。簡單、可辯護，而且與教師既有的思維方式一致。這是正確的默認選項。

用多臂老虎機做內容選擇。當多個資源都能合理地教授同一概念時，bandit 算法把學生分配到不同資源上，並學習哪個對誰更有效。它有用，但前提是你有足夠的流量讓這種分配在統計上有意義——而對大多數單一機構而言，在跨校彙總之前都不具備。

用間隔重複保持留存。基於遺忘曲線安排複習，證據充分且實現成本低。它常常是整個系統中回報最高的組件，因爲大部分學習損失來自遺忘，而不是從未學會。

不該做的事：不要一開始就在原始交互日誌上做深度學習。它需要大多數機構不具備的數據量，它產出的推薦沒人能解釋，而且它會在第一天就輸掉與教師的那場爭論。

如何度量學習是否真的改善了？

度量正是個性化學習項目最常被抓住軟肋的地方，因爲容易得到的指標往往是錯的。

• 學習增益，而非活動量。在同一構念上做前測與後測，並把增益與對照組比較。完成的題目數不是學習指標。
• 延遲後的留存。四到十二週後再測一次。在即時後測上表現優異的項目，常常在延遲測試中顯示不出優勢，因爲它們優化的是練習期間的臨場表現，而非持久的改變。
• 遷移。學生能否在新情境中應用這個概念？這是最難度量的，也是最有意義的。
• 達到精熟所需時間。效率指標：這條路徑能否讓學生更快地達到同一標準？這常常是最有力的商業論證，因爲時間正是教師真正感受到的約束。
• 結果的公平性。把以上各項按既往成績、語言背景與社經羣體拆分。一個抬高均值卻拉大差距的項目，不是改進。
• 教師在診斷上節省的時間。爲整個項目提供資金的運營回報：批改與診斷的每週工時，前後對比。

請把它當實驗來跑。在可行的範圍內按班級或學生隨機化，預先登記指標，並公佈結果——包括無效結果。從不公佈無效結果的項目，不是循證的項目。

如何避開監控陷阱？

學習者數據敏感，主體常常是未成年人，而個性化與監控之間的區別更多在於治理，而非技術。五條原則：

爲明確的目的採集，且只用於該目的。爲支持學習而採集的行爲數據，不應被改用於紀律處分、分層編班或營銷。請把這條寫下來，並在技術層面強制執行，而不只是寫在政策裏。

在聚合視圖足夠時就優先用它。教師需要知道「有六個學生沒掌握這個概念」，而很少需要一份逐個學生的參與度排行榜。

讓學習者看到的視圖是建設性的。學生應當看到自己的進展與下一步，而不是一個相對排名。比較式看板會穩定地加劇焦慮，並降低後進學生的努力程度。

設定留存期限與刪除路徑。交互日誌應有明確的留存期，離校應觸發刪除。

讓家長與學生參與設計。同意是底線，不是上限。與家庭共同設計的項目，既更合乎倫理，在實踐中也遠更持久。

教師留在環路中究竟意味着什麼？

不是給算法的推薦蓋個橡皮圖章。四項具體能力：

看得見推理過程。教師能看到學生卡在哪個概念上、哪些證據支持這個結論，以及前置分析說了什麼。不透明的推薦會被推翻——而且理應被推翻。

一次操作即可推翻。佈置不同的作業、把某個概念標記爲已掌握、或安排一次人工講解，每一項都應在幾秒內完成。如果推翻很慢，教師就會停止推翻，系統隨之退化。

在正確的時刻收到信號。課中的一條通知是有用的；一份週報太晚了。自適應數據的價值衰減很快。

向模型貢獻。教師的推翻是「系統爲何出錯」這一問題上可獲得的最佳標籤。請把它們作爲反饋採集下來、每月復盤，並用它們來修正題目標註與前置鏈接。

請先爲教師設計，其次纔爲學生設計——因爲學生能否看到它，由教師決定。

如何處理未成年人隱私與合規？

各轄區在細節上有差異，但在原則上一致。無論你在哪裏運營，請按最嚴格的適用體制來假設。

• 合法依據與同意。教育供給或許能覆蓋核心用途，但超出其外的一切——研究、產品改進、向第三方共享——都需要具體依據，而對未成年人通常還需要家長參與。
• 數據最小化。不要採集你無法據以採取行動的行爲遙測。你持有的每個字段，都是你必須保護和給出正當理由的字段。
• 處理與存儲的位置。許多轄區限制學生數據可存放的地點。請按國家逐一覈查，並且要覈查次級處理方鏈條，而不只是覈查供應商。
• 默認不使用學生數據做訓練。在合同層面確認學習者的交互不會被用於訓練供應商模型，且任何用於改進的用途都是聚合的、去標識化的、且需選擇加入。
• 訪問控制與審計。誰在何時、爲何查看了哪位學生的記錄。請記錄並複覈它。
• 一位具名的可問責人。機構內部要有人擁有這份登記表、留存時間表與事件響應流程。

一次現實的實施長什麼樣？

第一階段——爲一門學科、一個年級構建知識模型（4–8 周）。課程專家加數據工程師。概念、前置關係、題目標註，以及一輪驗證。交付物：一張教師認可的知識地圖——這是唯一重要的驗收標準。

第二階段——數據集成（2–4 周）。以題目級粒度接入測評、作業與出勤系統，並完成學生標識符解析。交付物：對每個學生、按概念的掌握度實時估計。

第三階段——路徑引擎與教師控制檯（4–6 周）。精熟閾值、前置路由、間隔複習，以及帶一鍵推翻的教師視圖。交付物：教師願意據此採取行動的推薦。

第四階段——帶度量的試點（一個學期）。隨機或準實驗設計，預先登記指標，包含延遲留存與公平性拆分。交付物：一份已公佈的結果，無論正負。

第五階段——擴展。每增加一門學科都複用這條流水線與控制檯。第二門學科的成本只是第一門的一小部分，因爲最難的部分是學會如何構建那張地圖。

在訪問層，蜂啓諮詢（Beehive Strategy）通過 MCP 連接器與語義層接入測評、出勤與作業系統，使教育工作者能夠用自然語言提問——「哪些學生還沒有掌握本週主題的前置概念，他們的出勤模式如何？」——並在教職員工日常使用的即時通訊工具裏獲得按權限限定範圍的答案。以託管服務方式約兩週部署，並具備行級安全：教師看到自己的班級，年級主任看到自己的年級。

有哪些失效模式？

在建好地圖之前就買了平台。平台無法補償缺失的知識模型；它只會把內容組織得更糟。

優化參與度。產出的是活動，不是學習。請度量學習增益。

變相分層編班。悄悄把學生分流進固定軌道的自適應路徑，會固化不平等。請保持路徑可回溯，並把標準可見化。

題目標註腐壞。大綱變化，映射漂移。請納入版本管理，並每學期重新驗證。

在評估中誇大。與歷史同期學生羣體比較而不控制羣體差異，是項目說服自己最常見的方式。

忽視教師。二十年教育科技的一致發現是：教師決定結果。爲他們設計，否則這個工具只是裝飾。